Foundry项目中使用自定义错误时的覆盖率测试注意事项
2025-05-26 16:56:04作者:尤峻淳Whitney
背景介绍
在Solidity智能合约开发中,Foundry是一个广受欢迎的测试框架。当开发者尝试使用Solidity 0.8.4引入的自定义错误功能时,需要通过via-ir编译管道来支持这一特性。然而,在使用Foundry的覆盖率测试功能时,开发者可能会遇到一些特殊问题。
问题现象
当开发者在foundry.toml配置文件中启用了via_ir = true后,常规的构建(forge build)和测试(forge test)命令都能正常工作。但在执行覆盖率测试(forge coverage)时,系统会报错提示"Require with a custom error is only available using the via-ir pipeline"。
原因分析
Foundry的覆盖率测试功能为了确保报告准确性,在后台自动禁用了优化器和via-ir管道。这是设计上的考虑,因为优化可能会影响代码覆盖率的统计精度。当开发者尝试通过--via-ir标志强制启用时,实际上并不会生效。
解决方案
Foundry提供了专门的--ir-minimum选项来解决这个问题。该选项会在启用via-ir的同时保持最低限度的优化,既解决了自定义错误的编译问题,又尽可能保证了覆盖率报告的准确性。
最佳实践建议
- 对于使用自定义错误的项目,建议在运行覆盖率测试时始终添加
--ir-minimum标志 - 开发者应当了解覆盖率报告在使用via-ir时可能存在轻微偏差
- 关注项目后续更新,特别是关于覆盖率测试准确性的改进
技术细节
当使用--ir-minimum选项时,Foundry会在以下方面做出平衡:
- 启用via-ir管道以支持现代Solidity特性
- 保持最低限度的优化以确保覆盖率数据相对准确
- 解决常见的"stack too deep"编译错误
这种折中方案使得开发者能够在支持新特性的同时,仍然能够获得有价值的覆盖率数据。
登录后查看全文
热门项目推荐
相关项目推荐
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00
jiuwenclawJiuwenClaw 是一款基于openJiuwen开发的智能AI Agent,它能够将大语言模型的强大能力,通过你日常使用的各类通讯应用,直接延伸至你的指尖。Python0209- QQwen3.5-397B-A17BQwen3.5 实现了重大飞跃,整合了多模态学习、架构效率、强化学习规模以及全球可访问性等方面的突破性进展,旨在为开发者和企业赋予前所未有的能力与效率。Jinja00
AtomGit城市坐标计划AtomGit 城市坐标计划开启!让开源有坐标,让城市有星火。致力于与城市合伙人共同构建并长期运营一个健康、活跃的本地开发者生态。01
MarkFlowy一款 AI Markdown 编辑器TSX01
项目优选
收起
deepin linux kernel
C
27
12
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
618
4.08 K
Ascend Extension for PyTorch
Python
453
538
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
69
21
暂无简介
Dart
858
205
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
926
776
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.48 K
836
AscendNPU-IR是基于MLIR(Multi-Level Intermediate Representation)构建的,面向昇腾亲和算子编译时使用的中间表示,提供昇腾完备表达能力,通过编译优化提升昇腾AI处理器计算效率,支持通过生态框架使能昇腾AI处理器与深度调优
C++
114
178
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
374
254
昇腾LLM分布式训练框架
Python
133
159